/ Модель
Каталог

Характеристики

Параметры
50,4 млн
Лицензия
Apache 2.0
Архитектура
sew · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

sew-tiny-portuguese-cv8

lgris
Распознавание речиАудио → текст7 профессий

Компактная модель SEW для распознавания португальской речи, дообученная на Common Voice 8.0.

28скачиваний за 30 дней0лайковвеса обновлены23 мар 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель lgris/sew-tiny-portuguese-cv8 разработана lgris и представляет собой дообученную версию lgris/sew-tiny-pt для автоматического распознавания речи. Она использует архитектуру SEW с CTC-декодированием и содержит 50,4 млн параметров. Модель обучалась на Common Voice 8.0 и предназначена для преобразования португальской речи в текст.

На оценочной выборке указаны loss 0,4082 и WER 0,3053. Модель принимает аудио и выдаёт текст; опубликованные веса имеют формат PyTorch. Лицензия — Apache-2.0.

Сценарии применения

  • расшифровка записей на португальском языке
  • создание субтитров для португалоязычного аудио
  • транскрибирование голосовых сообщений на португальском
  • распознавание речи для прототипов ASR-систем

Ограничения

На оценочной выборке указана частота ошибок слов WER 0,3053; качество может зависеть от акцента, шума и условий записи. Карточка не приводит более подробных сведений об ограничениях и сценариях применения.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sew-tiny-portuguese-cv8

This model is a fine-tuned version of lgris/sew-tiny-pt on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4082
  • Wer: 0.3053

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • training_steps: 40000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log1.9310002.91340.9767
2.92243.8620002.84050.9789
2.92245.7930002.80940.9800
2.85317.7240002.74390.9891
2.85319.6550002.70571.0159
2.772111.5860002.72351.0709
2.772113.5170002.59311.1035
2.656615.4480002.21710.9884
2.656617.3790001.23990.8081
1.955819.31100000.90450.6353
1.955821.24110000.77050.5533
1.498723.17120000.70680.5165
1.498725.1130000.66410.4718
1.381127.03140000.60430.4470
1.381128.96150000.55320.4268
1.289730.89160000.53710.4101
1.289732.82170000.59240.4150
1.22534.75180000.49490.3894
1.22536.68190000.55910.4045
1.19338.61200000.49270.3731
1.19340.54210000.49220.3712
1.148242.47220000.47990.3662
1.148244.4230000.48460.3648
1.120146.33240000.47700.3623
1.120148.26250000.45300.3426
1.089250.19260000.45230.3527
1.089252.12270000.45730.3443
1.058354.05280000.44880.3353
1.058355.98290000.42950.3285
1.031957.92300000.43210.3220
1.031959.85310000.42440.3236
1.007661.78320000.41970.3201
1.007663.71330000.42300.3208
0.985165.64340000.40900.3127
0.985167.57350000.40880.3133
0.969569.5360000.41230.3088
0.969571.43370000.40170.3090
0.951473.36380000.41840.3086
0.951475.29390000.40750.3043
0.94477.22400000.40820.3053

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.dev0
  • Tokenizers 0.11.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SEWForCTC
Ревизия весов
05d9a87

0 моделей

    Создать бенчмарк